席玮, 李莹丨青少年影子教育参与：学校群体与先赋差异——基于CEPS数据的多水平分析

Original 席玮, 李莹华东师范大学学报教育科学版 2022-04-13

收录于话题 #青少年 14个

本期 · 精彩

新刊速递 | 华东师范大学学报（教育科学版）2020年第11期目录

【特稿】

尹弘飚丨行为观、心理观与社会文化观：大学生学习投入研究的视域转移——兼论中国高校教学质量改进

【影子教育】

张薇、[英]马克·贝磊(Mark Bray)丨影子教育比较研究的历史回顾与未来展望

杨钋, 徐颖丨信息资本与家庭教育选择：来自中国的证据

摘要

青少年影子教育的影响因素及其作用机制是现有研究尚未充分讨论的问题。本研究使用“中国教育追踪调查”（CEPS）基线数据进行多水平分析的结果显示，青少年影子教育参与机会受到先赋因素和学校群体因素的双重影响。在影子教育参与机会的差异中，有超过40%的方差是来自学校层面，并且学校因素主要通过同伴效应对影子教育参与产生作用。除直接影响外，同伴群体因素还通过调节效应间接影响先赋因素的作用强度。进一步的分析发现，不同类型的影子教育受到不同先赋因素的影响。其中，学术类的影子教育主要受到家庭社会资本和经济资本的影响，而才艺类影子教育主要受到家庭文化资本的影响。

关键词: 影子教育, 同伴群体, CEPS调查, 分层LOGIT模型

席玮，经济学博士，北京师范大学统计学院讲师，研究生导师

李莹，北京师范大学统计学院在读博士生，现就职于中央财经大学财务处。

一、引言

二、文献回顾与研究假设

三、研究方法与分析架构

四、数据来源与研究变量

五、模型与结果分析

六、结论与讨论

一、引言

有学者认为，教育既是实现阶层跨越的重要途径，也是维持阶层地位的重要手段（薛海平，2015）。中国历来就有“尊师重教”的传统和“鲤跃龙门”的佳话，即便在今天，教育也承担着无数家庭“望子成龙”的美好愿望。然而，由于教育资源分配不均以及社会急剧转型带来的阶层分化，越来越多的家庭开始采用课外补习这种有偿支付的形式，来提升子女的竞争优势。于是，一种与学校正规教育体系相并行的“影子教育”逐渐兴盛起来。

影子教育也称私人辅导，它以其对主流教育的依附性而得名。根据Bray（1999；2009；2013）的定义，影子教育可以从三方面进行识别：（1）有偿性，即私人性；（2）补充性，即课外性；（3）学术性，即仅包含学科类培训，如语数外等。从这个定义来看，非学科类的校外培训，如声乐、艺术和体育运动等，严格来说都不应纳入影子教育的范畴。但由于在一些地区，非学术类科目也有助于在升学考试中获益（Liu et al.，2017），因此，一些学者也习惯于把投资于非学术类的私人培训视作影子教育的一部分加以研究（Liu，2019；薛海平等，2009）。考虑到这一现象的多样性，在本文的分析中，我们采取了后一种较为广义的概念，即影子教育在有偿性和补充性的基础上，也包含了对非学术类科目的培训。

近年来，影子教育在国内受到各个阶层，尤其是新中等收入群体的青睐，并呈现出蓬勃发展的态势。随着影子教育越来越多地承担起学校教育的功能，不同背景出身的青少年在影子教育的参与上是否存在差异、存在哪些差异，就成为研究教育机会公平和过程公平所需要关注的重要问题。目前已有不少国内外文献采用定性分析或混合研究的方法对此进行了深入探讨，研究视角涉及到家庭背景、学校质量和同伴群体等不同维度，然而这些研究较少基于中国数据进行跨数据层级的量化研究，并且在实证分析方面，所得的结论也不甚一致。因此，深入研究我国青少年影子教育参与的影响因素和作用机制，对于我们理解和认识现阶段的家庭教育投资行为与影子教育的社会功能，仍具有重要意义。

本文使用“中国教育追踪调查”（CEPS）基线数据和多层次线性模型（HLM），以我国初中生群体为研究对象，对如下问题进行了探讨：（1）青少年影子教育参与机会受到哪些家庭因素的影响？这些因素对影子教育选择的影响有何差异？（2）青少年影子教育的差异在多大程度上可由学校群体因素来解释？（3）学校群体因素如何影响青少年的影子教育参与机会？文章其余部分的安排如下：第二部分为文献回顾和研究假设；第三部分为模型方法；第四部分为变量和数据介绍；第五部分为实证分析；最后为结论与讨论。

二、文献回顾与研究假设

（一）

家庭资本与影子教育参与

教育经济学研究者认为，家庭经济资本越高，父母越有能力和意愿为子女提供教育资源，促进子女的发展（Teachman，1987）。然而，经济资本并非家庭资本的唯一维度。社会资本理论研究者认为，社会资本是人际关系网络中可以用作资产的社会结构，通过运用这些资产，家庭能够帮助子女获得更好的资源和发展机会（Coleman，1988）。法国学者Bourdieu（1973）提出的文化资本概念也受到了教育学者的推崇，这一观点认为家庭文化资本可进一步分为身体化、物质化和制度化这三种资本。其中，身体化的文化资本以精神、素养等能力化的形式存在；物质化的文化资本以书籍、工具等客观化的形式存在；制度化的文化资本以资格、文凭等体制化的形式存在。在文化资本的操作化过程中，常使用家庭藏书量作为物质化文化资本的度量（Entrich，2015；彭湃等，2015），使用父母受教育年限作为制度化文化资本的度量（李春玲，2003）。

2004年，美国学者Luthans et al.（2004）又提出了心理资本的概念。他认为心理资本是在个体成长与发展过程中表现出来的积极心理状态，是经济、文化和社会资本以外的第四资本。其中，作为心理资本重要维度的“希望”，代表了成功的动机，是个体实现目标的心理能量（Luthans et al.，2007）。父母的教育期望，可视作具有激励性的心理能量，表达了家庭对子女的期许与态度（范兴华等，2017），并且这种积极的心理因素能够通过家庭内的代际间传递得以继承和习得，成为影响子女教育获得的重要家庭禀赋（Goodman et al.，2009）。因此，本文在心理资本的操作化过程中，使用父母的教育期望水平作为家庭心理资本的代理变量。

已有的研究表明，无论哪种形式的家庭资本都对子女的教育获得具有重要影响（Büchner et al.，2012）。但这些研究大多是对学校教育的分析。随着影子教育的兴起，越来越多的研究发现，各种形式的家庭资本也在通过影子教育作用于社会再生产。Bray et al.（2013；2014）基于香港地区的数据发现，子女的影子教育参与率同家庭经济水平、父母的教育年限和教育期望呈正相关。Tansel et al.（2006）基于土耳其的数据发现，父母教育程度和经济收入水平能对子女影子教育机会产生正向影响。Smyth et al.（2009）基于爱尔兰的数据发现，家庭社会经济地位对子女影子教育的数量和质量均有正向作用。Kwok（2010）基于中国的数据发现，家庭资本是影响子女影子教育参与的决定性因素。Jheng（2015）基于台湾地区的数据发现，家庭收入、父母教育水平和职业地位会正向影响子女的影子教育参与。Ghosh et al.（2018）基于印度的数据也证实了家庭收入和父母教育水平对影子教育的正向作用。Liu（2019）使用SEM模型同样发现，家庭收入、父母的教育水平、职业地位以及教育期望会对子女的影子教育产生正向影响。薛海平（2015）基于CFPS的数据发现，包括心理资本在内的各种家庭资本都对子女影子教育获得有显著的正影响。王晓磊（2017）基于CEPS的研究也得到相似的结论。

家庭资本之所以能够通过影子教育实现社会再生产，可通过最大化维持不平等假设（MMI）和有效维持不平等假设（EMI）来解释。前者认为，在教育资源数量稀缺时，优势阶层的需求总是被优先满足（Raftery et al.，1993）。后者认为，即使教育资源在数量上充足，但优势阶层也有能力确保子女获得质量更高的教育（Lucas，2001）。在影子教育这一新兴市场中，MMI和EMI意味着丰裕的家庭资本总是能在数量和质量上维持其自身的优势地位，最终实现社会再生产。因此，本文提出如下研究假设：

H1—4：家庭社会资本（H1）、经济资本（H2）、文化资本H3（包括物质化的H3a与制度化的H3b）和心理资本（H4），都对青少年的影子教育参与具有正向影响。

（二）

学校群体与影子教育参与

如前所述，家庭资本可由多种渠道作用于子女教育，最后实现社会再生产，而影子教育在其中充当中介作用。由此一来，影子教育与学校教育之间的关系，在很大程度上取决于家庭与学校之间的关系。关于家庭与学校这两者在个体教育获得中的关系，学术界存在两种截然不同的观点：第一种观点来自冲突论，以经济再生产理论（鲍尔斯，1990）、语言再生产理论（Bernstein，1977）和文化再生产理论（Bourdieu，1973）为代表。这种理论认为，教育存在着阶层偏好，学校教育过程是家庭影响的延续。根据这一观点，学校教育同影子教育之间是互为补充的关系，彼此之间存在正向关联。第二种观点是功能主义的。该理论认为学校是社会整合的媒介，它只通过成绩与能力对学生进行筛选与分流，不存在阶层偏好，因此能够取代家庭背景的影响（刘录护等，2012）。按照这一观点，学校教育与影子教育之间存在着负向影响。

从实证分析来看，目前关于学校因素对影子教育参与的影响也没有形成一致的结论。Bray et al.（2013；2014）的分析认为，学校质量对学生参加影子教育具有正向影响。Entrich（2015）基于日本样本的研究也同样发现了学校质量对影子教育的显著正向作用。Tomura et al.（2011）的研究认为，学校排名与影子教育之间的关系是不确定的。Zhang et al.（2016）基于中国数据的实证研究发现，学校排名与参加数学科目的影子教育具有显著的正向关系，对语文和英语科目则不存在显著效应。Zhao（2015）的研究却发现，学校质量对影子教育参与呈现显著负向影响。在国内学者的研究中，薛海平等人（2016）基于CEPS数据发现学校排名与影子教育参与具有正向关联；李佳丽等人（2017）基于中部某省会城市小学数据发现学校质量对影子教育参与具有显著正向影响；薛海平等人（2009）使用2004年中国城镇居民教育与就业情况调查数据发现，学校质量对影子教育参与具有显著负向影响；薛海平（2015）使用中国家庭追踪调查（CFPS）2012年数据研究发现，重点校和重点班对影子教育参与都没有显著影响；李佳丽（2016）使用CEPS数据同样发现学校排名对影子教育参与的影响不显著。有鉴于此，本文首先检验如下研究假设，若结论相反，则可认为存在相反论据：

H5：学校排名越靠前，青少年参与影子教育机会越高。

目前大多数文献都以学校排名作为学校层面的关键性指标，其中的问题是没有区分学校的哪些资源在起作用，容易引起混淆。有研究发现，在能够带来增值效应的学校因素中，主要是同伴因素在起作用（Ding et al.，2007；Abdulkadiroglu et al.，2014）。Bray（2009）以及Bray et al. (2018）的研究认为，同伴压力是影响影子教育选择的重要因素之一。Thongphat（2012）通过引入相关变量，发现同伴群体特征对参加数学和英语的课外辅导有显著影响。Zhang（2013）在对中国济南的案例分析中，发现同学群体的社会经济地位特征能够对个体参加影子教育产生显著的正向效应。Yung（2019）也发现了香港地区社交同伴对英文课外辅导的关联影响（Yung，2019）。另外，代际流动研究中的威斯康辛模型也将同伴群体因素纳入了考量，用以识别重要他人对教育获得的影响（Hauser et al.，1986）。可以认为，如果青少年影子教育的校际差异是由学校自身因素如课程、师资等引起的，那么在控制了同伴群体因素后，学校排名变量应该依旧显著，否则，应当认为学校因素是经由同伴群体对青少年的影子教育参与产生的影响。

关于同伴群体的作用，也存在着两种不同的观点：其一是同化理论，它认为学校是由同龄人构成的同伴群体，群体间具有相互学习、相互模仿和相互参照的特点。不同背景、不同能力的青少年在学校中会不可避免地受到同伴群体的影响，在相互融合后形成群体所共有的思维模式与行为模式（Caldas et al.，1997；Dishion et al.，2011）。按照这一逻辑，同伴群体的家庭背景与青少年个体的影子教育参与之间表现为正向关联。另外一种对比理论则认为，不同教育情境中的青少年，通过与周围同伴相互比较，形成和塑造自我概念。当他们感觉到差异较大而相似性较少时，就会因为自己的特殊性而承受较大压力，导致出现认同障碍，不利于身份融合（Crosnoe，2009；Walsemann et al.，2011）。鉴于群体效应存在复杂的影响机制，本文将首先验证如下假设，若结论相反，则可认为存在相反论据：

H6：群体经济水平越高，青少年参与影子教育机会越高。

H7：群体教育程度越高，青少年参与影子教育机会越高。

最后，群体因素对影子教育的影响可能因青少年家庭条件的不同而存在异质性。一方面，如果青少年来自经济条件优越、父母教育程度较高的家庭，其参加影子教育的可能性本来就已经很高，因此积极的群体因素对这部分青少年的影响可能相对较小，而对于那些家庭条件较弱的青少年的影响则相对更大。另一方面，如果家境优越的青少年所在学校的群体家境也很好，也可能会因攀比心理而更倾向于接受影子教育，导致群体因素的影响更高。为此，本文首先检验下列假设，若结论相反，则可认为存在相反论据：

H8：家庭经济条件越好，群体经济水平对影子教育参与的影响越弱。

H9：父母教育程度越高，群体教育程度对影子教育参与的影响越弱。

（三）

文献研究总结

当下，影子教育方兴未艾的发展态势促使越来越多的学者从不同视角、不同群体和不同地区的数据对这一现象进行分析，这些研究能够为我们全面认识和进一步发掘影子教育的社会再生产机制提供非常有益的借鉴。同时，由于受到各方面因素的限制，现有文献可能在以下方面尚存在探索空间：首先，广义的影子教育大致可以分为以直接提升学校成绩为导向的学术类教育和以间接提升教育竞争力为导向的才艺类教育。如果对影子教育进行细分，可以发现家庭资本的作用机制不尽相同。从目前的文献来看，对这一问题的研究并不充分。其次，在考虑学校因素对影子教育的作用时，仅以学校自身因素纳入考量容易以偏概全，因此还需要仔细区分这些影响是否来自于学校中的同伴因素。第三，家庭资本和学校因素之间并非独立关系，在不同学校情境下，家庭资本的影响力也会有所不同，现有文献对这种家庭资本与学校因素之间的交互作用似乎关注较少。最后，在研究方法上，现有文献大多使用传统的多元回归分析，忽略了同校学生的组内相关性，容易低估学校因素的影响作用。有鉴于此，本文将尝试从上述这些方面对现有文献进行扩展，探讨影响青少年影子教育机会的相关因素和作用机制。

三、研究方法与分析架构

（一）

研究方法

学生从属于班级，班级从属于学校。当数据具有这种“从属”或“嵌套”特征时，最低层次的数据称为个体层次，其他高层次的数据称为总体层次。传统的多元回归分析仅能处理单一层次变量间的关系，无法同时处理包含个体与总体等不同层次的跨层级数据。因此在过去，在分析跨层级数据时，通常将总体层次的数据分解或是进行虚拟化处理，使之成为个体层次数据后再进行回归分析。

但是，这种做法违背了回归分析的独立性和同质性假设。同一学校内的学生，受相同文化氛围的影响，彼此间具有同质性。如果忽略了这种特性，将会导致估计系数的标准误被低估，从而影响估计的有效性。为了弥补这一不足，学者们建立了多水平分析技术（Bryk et al.，1992），通过在回归模型中引进总体层次的误差项，来捕捉从属关系的组内相关并进行参数的估计与检验，使所得到的结果更为准确。

青少年影子教育参与是由家庭背景和学校群体等多个层次因素共同作用的结果，数据具有明显的层级结构，因此应采用多水平分析进行统计推断。同时，在考察影子教育参与时，不管关注的是参与与否还是不同类型的影子教育获得，其因变量属于分类变量，与自变量之间都不再是直接的线性关系，因此需要借助广义线性模型。针对本文多水平数据的情形，则应采用分层二分类或多分类LOGIT模型进行分析。

（二）

分析架构

本文的因变量为青少年的影子教育机会获得，属个体层次。个体层次还包含家庭经济资本、家庭社会资本、家庭文化资本（含物质化和制度化文化资本）和家庭心理资本等解释变量。总体层次包含群体经济水平、群体教育程度和学校排名3个解释变量。变量及变量间的假设关系如图1所示。

图 1 研究架构图

四、 数据来源与研究变量

（一）

数据来源

本文使用的数据来自“中国教育追踪调查”（China Education Panel Survey，CEPS）项目2013—2014学年的基线调查。①该调查由中国人民大学中国调查与数据中心设计与实施，采用多阶段的概率与规模成比例的抽样方法，首先从全国随机抽取了28个县级单位作为初始抽样框，然后在入选的县级单位中随机抽取了112所学校的438个班级，并对抽中班级的所有学生开展问卷调查，调查内容包括个人、家庭和学校基本情况。由于缺失值的存在，最终进入本次研究分析的有效样本共有来自112所学校的14929个学生样本。

（二）

研究变量

1.被解释变量。本文的被解释变量为青少年是否参与影子教育。学生调查问卷B19题测量了调查对象参加各类课外辅导班的情况，这里将都未参加的编码为0，参加其中之一及以上的编码为1，其余作为缺失值处理。为进一步考察参加不同类型课外补习的影响因素差异，将都未参加归类为否，编码为0；将参加奥数、普通数学、语文作文、英语其中之一及以上但未参加其余类型课外补习的归为学术类，编码为1；将参加绘画、书法、音乐乐器、舞蹈、棋类、体育其中之一及以上但未参加任何学术类课外补习的归为才艺类，编码为2；将学术类和才艺类都参加的归为通识类，编码为3；其余作为缺失值处理。

2. 水平-1解释变量。水平-1的解释变量由各类家庭资本构成。其中，家庭社会资本分为母亲职业地位和父亲职业地位两个指标，单独测量，并参照李春玲的职业分层顺序进行编码②（Li，2013）。家庭心理资本通过父母对子女的教育期望测量，来自学生问卷B31题，并将受教育程度重新编码为受教育年限③。家庭经济资本按照从非常困难到很富裕划分为5点尺度，对应编码1—5，根据家长问卷E19题测量。家庭文化资本分为物质化的文化资本和制度化的文化资本。物质化的文化资本通过家庭藏书量测量，来自学生问卷B12题，并按照藏书很少到很多划分为5点尺度。制度化的文化资本分为母亲教育程度和父亲教育程度，单独测量，并按受教育程度重新编码为受教育年限。

3. 水平-2解释变量。水平-2上的解释变量包括学校排名、群体经济水平和群体教育程度3个变量。其中，学校排名通过校领导问卷中A4题测量，按照从最差到最好划分为5点尺度，对应编码1—5。群体经济水平通过同一学校中学生家庭经济资本的平均值进行计算。群体教育程度通过同一学校中学生家长受教育年限的平均值进行计算。

4. 控制变量。除上述变量外，被解释变量可能还受到一些人口学因素的影响，需要对其进行控制。具体而言，对于性别，设定为“女生”=0，“男生”=1；对于年级，设定为“七年级”=0，“九年级”=1；对于户籍，设定为“农业户口”=0，“非农业户口”=1。最后，学生的学习成绩也会影响其影子教育参与，但由于学习成绩与影子教育之间互为因果关系，为避免内生性和选择性偏误，这里将学生的认知能力作为学习成绩的工具变量，数据来自于CEPS专门为学生设计的认知能力测试的标准化总分。

（三）

描述统计

根据前文对研究变量的设计，在剔除缺失值和无效样本之后，本文所使用变量的统计描述如表1所示。其中，学校排名、群体经济水平和群体教育程度为水平-2上的变量，其余皆为水平-1上的变量，两个水平之间的变量通过学校代码进行链接。

表 1 数据的描述性统计

五、模型与结果分析

本文主要以多水平分析来验证研究架构中的相关假设。首先，以分层二分类LOGIT模型逐步检验各层变量对青少年影子教育参与的影响，然后，再以分层多分类LOGIT模型检验各层变量对青少年接受不同种类影子教育的影响。

（一）

零模型

零模型（Null Model）又称空模型。在多水平分析中，首先需要检验跨层级效果是否真实存在，即因变量的组间方差和组内方差必须达到显著。为此，设定零模型如下：

其中，shadowij表示在j学校就读的青少年i接受影子教育的状态，εij表示个体层次误差项，u0j表示学校层次误差项，γ00表示截距项。结果显示，青少年接受影子教育的组间方差为2.616（χ2=4488.663，p<0.001），组间变异显著不为0，满足多水平分析的要求。进一步计算组内相关系数ICC=2.616/（2.616+3.286）=0.443，表示有44.3%的方差存在于不同学校之间。根据一般经验，ICC>0.138属于高度组内相关，不宜以一般的回归模型进行分析。

（二）

家庭资本对青少年接受影子教育的影响

家庭资本对青少年接受影子教育的影响通过随机系数模型来测量。随机系数模型只在水平-1有解释变量，水平-2为零模型。这一模型旨在检验水平-1因素是否存在显著影响：

根据表2第（1）列结果显示，母亲职业地位系数γ10=0.008（t=0.815，p=0.416），未达显著；父亲职业地位系数γ20=0.025（t=2.602，p=0.010），在5%水平显著。在表征家庭社会资本的指标中，只有父亲的职业地位可对子女的影子教育参与产生显著正向影响，研究假设H1得到部分验证。在控制其他变量条件下，父亲职业地位每提升1个层级，子女影子教育参与的发生比将提高exp（0.025）−1=2.53%。表征家庭经济资本的系数γ30=0.176（t=4.812，p<0.001），在1%水平显著，说明家庭经济地位每提升1个层级，子女影子教育参与的发生比将提高exp（0.176）−1=19.28%，研究假设H2得到验证。

表 2 青少年影子教育参与的多水平分析结果

表征家庭物质化文化资本的系数γ40=0.110（t=5.629，p<0.001），在1%水平显著，说明在控制其他变量条件下，家庭藏书量每提升1个层级，子女影子教育参与的发生比将提高exp（0.110）−1=11.62%，研究假设H3a得到验证。母亲教育程度系数γ50=0.026（t=3.257，p=0.002），在1%水平显著；父亲教育程度系数γ60=0.007（t=0.872，p=0.383），未达显著。在表征家庭制度化的文化资本中，只有母亲的教育程度可对子女的影子教育参与产生显著正向影响，研究假设H3b得到部分验证。表征家庭心理资本的系数γ70=0.030（t=5.301，p<0.001），在1%水平显著，说明父母对子女的教育期望每提高1个单位，子女影子教育参与的发生比将提高exp（0.030）−1=3.08%，研究假设H4得到验证。

总的来说，青少年的影子教育机会在很大程度上受到先赋性因素的影响，家庭资本可经由社会、经济、文化和心理等多种途径致力于子女的影子教育参与。此外，控制变量系数表明，高年级、城市户口和女生的影子教育参与机会更多，而能否接受影子教育与青少年自身的认知能力无关，这也在一定程度折射出由激烈的教育竞争所引发的家庭对影子教育的过度热情。最后，在随机效果的方差检验上，截距项的方差为1.815（χ2=3042.409，p<0.001），说明不同学校间确实存在不同的截距，需要进一步分析学校层面的因素。

（三）

学校群体因素对青少年接受影子教育的影响

学校因素的影响通过截距模型来测量。截距模型以水平-1的截距项β0j为因变量，加入水平-2的解释变量，旨在分析水平-2变量的主效果。水平-2的学校因素包括学校排名、群体经济能力和群体教育程度3个解释变量，模型设定如下：

估计结果见表2第（2）列。其中，群体经济水平系数γ02=1.828（t=3.372，p=0.001），在1%水平显著。在控制了其他变量条件下，就读学校的平均家庭经济条件每提升1个层级，学生影子教育参与的发生比将提高exp（1.828）−1=5.219倍，研究假设H6得到证实。群体教育程度系数γ03=0.385（t=5.903，p<0.001），在1%水平显著。在控制了其他变量条件下，就读学校的平均家庭教育程度每提升1年，学生影子教育参与的发生比将提高exp（0.385）−1=47.03%，研究假设H7得到证实。可见，群体经济水平和群体教育程度都对青少年的影子教育参与产生显著正向影响。即使自身家庭很普通，但如果群体因素高，其接受影子教育的机会也会提高。

从相关性来看，学校排名与群体经济水平的相关系数为0.319（p=0.001），与群体教育程度的相关系数为0.340（p<0.001），具有较好家庭背景的青少年所就读的学校通常也比较优质，这与一般的认识相符合。这时，如果我们忽略群体因素，仅将学校排名纳入模型，会发现其系数显著为正，同时无法分辨就读好学校带来的影子教育机会提高是由学校本身产生还是由同伴群体作用的结果。实际上，在控制群体因素后，学校排名的系数γ01=−0.247（t=−2.368，p=0.020），在5%水平显著，说明就读学校质量越高，青少年接受影子教育的可能性反而更低，研究假设H5并不能得到证实。这可从两方面来解释：一方面，优质学校的教育资源如课程体系、师资能力等相对充裕和完善，缩减了学生的课外补习需求；另一方面，优质学校的学业标准相对较高，需要投入更多的时间与精力，这也在一定程度上抑制了课外补习活动。总的来说，群体因素对青少年影子教育参与的影响为正，而学校排名的影响为负。因此，是同伴群体而不是学校自身促进了青少年影子教育机会的参与。

（四）

群体因素如何影响青少年的影子教育参与

根据前文分析，群体因素能够影响青少年的影子教育参与，那么群体因素对不同特征青少年的影子教育参与机会是否具有同样影响？这里以水平-1中家庭经济条件和母亲教育程度两个变量之斜率项作为水平-2的因变量，分别加入水平-2的解释变量，模型设定如下：

估计结果见表2第（3）列。群体经济水平对家庭经济资本的调节系数γ31=0.273（t=1.365，p=0.175），未达显著，说明对于来自不同家庭经济条件的青少年而言，群体经济水平对影子教育参与机会的影响并没有显著差别，研究假设H8未得到证实。群体教育程度对母亲教育程度的调节系数γ51=−0.010（t=−2.207，p=0.029），在5%水平显著，说明随着母亲教育程度的增加，群体教育程度对青少年影子教育参与的影响会减弱，研究假设H9得到证实。这可能是因为，母亲教育程度较高的青少年，其参与影子教育的机会本身就已经很高，因此，群体因素的影响没有那些母亲教育程度较低的青少年那么突出。

另外，进一步检验方差成分，可以发现模型中截距项方差为0.644（χ2=1352.181，p<0.001），与零模型相比，降低了（2.616−0.644）/2.616=0.754，说明约有75.4%的组间方差都已被解释。总结上述分析，本文的五种模型均以REML法进行估计，以求得随机效果方差成分的无偏估计值。为了比较不同固定影响模型的适配度，我们再以ML法求得各模型的偏离值（deviance）。各种模型的偏离值以调节模型为最小，其适配度在所有模型中达到最佳。

（五）

不同类型影子教育的先赋差异

为了进一步考察不同类型影子教育的选择偏好是否因先赋因素或学校群体因素不同而存在差异，本文将影子教育的参与类型区分为4种：都未参加、只参加学术类、只参加才艺类和都参加（通识类）。然后再以分层多分类LOGIT模型进行估计。分析步骤和模型设定与前文类似，只是水平-1的连接函数重新设定为：

仅参加学术类影子教育的估计结果见表2第（4）列。在学校层面上，学校排名和群体因素对影子教育参与的影响显著存在，群体教育程度的调节效果也依然存在。在家庭资本中，经济资本、社会资本和心理资本全都显著，与之前相一致；但家庭资本中的文化资本，包括家庭藏书量、父亲和母亲的教育程度，几乎都不再显著，其原因可能在于，受教育程度比较高的父母，相对有能力对子女进行学业上的辅导，不需要借助影子教育的方式来完成。另外，在控制变量中，性别变量不再显著，而认知能力显著为正，说明在青少年接受学术类的影子教育决策中不存在性别偏好，并且家庭更愿意投资在有潜力的子女身上。

仅参加才艺类影子教育的估计结果见表2第（5）列。在学校层面上，各因素的作用方向和显著性与之前一致。在家庭资本中，与学术类影子教育的结果几乎相反。除了家庭文化资本和心理资本外，家庭社会资本与家庭经济资本都不再显著。其原因可能在于，那些教育程度较高的家庭，对子女的学术能力或者说对培养子女的学术能力相对自信，因此在有限的预算约束下，会更为重视子女才艺能力的培养。另外，在控制变量中，性别变量的系数显著为负，说明家庭更愿意投资在女儿的才艺能力上；认知能力的系数也显著为负，说明家庭也愿意通过才艺培养来开发子女的潜能。

同时参加两种类型影子教育的估计结果见表2第（6）列。首先，表征家庭资本的所有先赋因素，包括母亲职业地位和父亲教育程度，全部显著，说明影子教育机会的深度获得在很大程度上受到了家庭资本的影响。其次，在学校层面上，无论是学校排名还是群体因素也都对影子教育机会的深度获得具有显著影响。再次，群体经济水平对家庭经济条件的调节作用显著为正，这意味着同样家境出身的青少年，如果就读学校的经济阶层越高，则越有可能接受更加全面的影子教育。其原因可能在于，在这些学校中，教育竞争已不再限于简单的学业竞争，而这些学业之外的推动因素会促使学生接受更为全面的影子教育。

六、结论与讨论

随着影子教育的蓬勃发展和社会再生产途径的转变，义务教育阶段的教育公平正在面临严峻挑战。以往研究较为重视家庭因素对子女接受影子教育的直接影响，而对学校层面的作用因素相对忽视。通过使用“中国教育追踪调查”（CEPS）基线数据和多水平分析方法，本文从学校群体和家庭资本两个层面分析了影响青少年影子教育参与的多种因素。根据估计结果，主要得到了如下研究结论：

首先，先赋因素包括家庭的社会资本、经济资本、文化资本和心理资本都对子女的影子教育参与具有显著的正向影响。这一方面反映出，在社会经济迅速转型与贫富差距日益分化的影响下，家庭资源正借由影子教育这种有偿支付的新媒介作用于子女的教育发展，作用于父代优势地位的维系和传承。另一方面，如果能够为经济落后地区和低收入家庭的学生提供更多的扶持措施，或通过加大资源投入保障正规教育的均衡优质发展，或将有助于弱化影子教育对义务教育阶段教育公平的冲击和不利影响。

其次，学校因素对青少年的影子教育参与具有重要影响，约有40%以上的机会差异来自于学校层面。在引入同伴群体因素后，学校排名系数为负，说明学校因素对青少年影子教育机会的影响主要是通过同伴效应形成的，是较高的学校群体因素（具体指群体家庭经济水平和群体家庭教育程度）而不是学校自身因素促进了青少年影子教育机会的获得。群体因素的正向作用也说明家庭资本具有显著的外部性，即青少年影子教育的参与度不仅与自身家庭条件有关，还与同伴家庭的资源禀赋息息相关。

第三，同伴群体因素不仅能对青少年的影子教育机会产生直接影响，还可以通过调节作用间接影响其他因素对影子教育参与的强度。其中，母亲教育程度对影子教育参与的影响会随着同辈群体能力的增加而消减，说明在缺乏群体优势的学校中，教育程度高的母亲更有利于子女的影子教育参与；而在那些具有较高群体优势的学校中，由于学生接受影子教育的可能性已经很高，因此母亲教育程度的影响便不再那么突出。另外，家境条件对影子教育参与的影响不随学校因素的变化而改变，说明即使在那些优势学校中，自身家庭经济条件的影响仍然很强。

第四，无论是哪种类型的影子教育机会参与，学校因素的影响都显著存在，但家庭先赋资本的影响却具有资源互补的特征。对于学术类影子教育参与而言，家庭资本中仅文化资本不存在显著影响，原因在于教育程度高的家庭，辅导初中子女的资源相对充裕，因而降低了学术类的补习需求。对于才艺类影子教育而言，在家庭资本中只有社会资本和经济资本不存在显著影响，这是由于在有限的资源条件下，社会经济类资本会促使家庭投资于教育回报较高的学术类补习，而文化资本较高的家庭，却倾向于投资在与自身学术能力形成资源互补的才艺类补习中。由此一来，具有不同资本禀赋的家庭会形成截然不同的补习偏好。

最后，本文的分析也还存在一些局限。比如，在学校层面，是否还存在着其他未被识别的因素？群体因素是经由生活惯习还是心理因素作用于青少年的影子教育参与？这些都是深入理解青少年影子教育参与机制所需要进一步探索的问题。

（李莹为本文通讯作者）

参考文献（向上滑动阅览）

鲍尔斯, 金蒂斯. (1990). 美国: 经济生活与教育改革(王佩雄译). 上海: 上海译文出版社.
范兴华, 余思, 彭佳, 方晓义. (2017). 留守儿童生活压力与孤独感、幸福感的关系: 心理资本的中介与调节作用. 心理科学,40(02),388-394
李春玲. (2003). 社会政治变迁与教育机会不平等——家庭背景及制度因素对教育获得的影响(1940—2001). 国社会科学, (03),86-98
李佳丽, 胡咏梅. (2017). 谁从影子教育中获益? 兼论影子教育对教育结果均等化的影响. 教育与经济, (02),51-61
李佳丽. (2016). 谁从影子教育中获益——基于选择假说和理性选择理论. 教育发展研究,36(20),66-73
刘录护, 扈中平. (2012). 个人教育获得: 学校取代抑或延续了家庭的影响——两种理论视野的比较. 华南师范大学学报(社会科学版), (01),21-28
彭湃, 胡咏梅, 埃克哈德·克里默. (2015). 学校增值的一致性与稳定性——基于多水平追踪数据的实证研究. 教育研究,36(07),73-80
王晓磊. (2017). 初中阶段教育质量与影子教育机会的不平等——以CEPS 2013—2014数据为例. 北京社会科学, (09),50-60
薛海平, 丁小浩. (2009). 中国城镇学生教育补习研究. 教育研究, (01),39-46
薛海平, 李静. (2016). 家庭资本、影子教育与社会再生产. 教育经济评论,1(04),60-81
薛海平. (2015). 从学校教育到影子教育: 教育竞争与社会再生产. 北京大学教育评论,13(03),47-69
Abdulkadiroglu, A., Angrist, J., & Pathak, P. (2014). The elite illusion: Achievement effects at Boston and New York exam schools. Econometrica, 82(1), 137-196
Bernstein, B. (1977). Class, Codes and Control: Towards a Theory of Educational Transmissions. London: Routledge & Kegan Paul.
Bourdieu, P. (1973). Cultural reproduction and social reproduction. In: Brown, R.: Knowledge, Education, and Cultural Change(pp.71−112). London: Tavistock.
Bray, M., & Kwok, P. (2013). Demand for private supplementary tutoring: Conceptual considerations and socio-economic patterns in Hong Kong. Economics of Education Review, (22), 611-620
Bray, M., Zhan, S., Lykins, C., Wang, D., & Kwo, O. (2014). Differentiated demand for private supplementary tutoring: Patterns and implications in Hong Kong secondary education. Economics of Education Review, 38, 24-37
Bray, M. (1999). The Shadow Education System: Private Tutoring and Its Implications for Planners. Paris: UNESCO International Institute for Educational Planning.
Bray, M. (2009). Confronting the Shadow Education System: What Government Policies for What Private Tutoring? Paris: UNESCO International Institute for Educational Planning.
Bray, M. (2013). Benefits and tensions of shadow education: Comparative perspectives on the roles and impact of private supplementary tutoring in the lives of Hong Kong students’. Journal of International and Comparative Education, 2(1), 18-30
Bray, M., Kobakhidze, M. N., Zhang, W. & Liu, J. (2018). The hidden curriculum in a hidden marketplace: Relationships and values in Cambodia’s shadow education system. Journal of Curriculum Studies, 50(4), 435-455
Bryk, A. S., & Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. Newbury Park, CA: Sage Publications.
Büchner, C., Cörvers, F., & Traag, T. (2012). How do education, cognitive skills, cultural and social capital account for intergenerational earnings persistence? Evidence from the Netherlands. Social Science Electronic Publishing, (7), 1-29
Caldas, S. J., & Bankston, C. (1997). Effect of school population socioeconomic status on individual academic achievement. The Journal of Educational Research, 90(5), 269-277
Coleman, J. S. (1988). Social capital in the creation of human capital. American Journal of Sociology, (94), 95-120
Crosnoe, R. (2009). Low-income students and the socioeconomic composition of public high schools. American Sociological Review, 74(5), 709-730
Ding, W., & Lehrer, S. F. (2007). Do peers affect student achievement in China's secondary schools?. Review of Economics & Statistics, 89(2), 300-312
Dishion, T. J., & Tipsord, J. M. (2011). Peer contagion in child and adolescent social and emotional development. Annual Review of Psychology, 62(1), 189-214
Entrich, S. R. (2015). The decision for shadow education in Japan: Students’ choice or parents’ pressure?. Social Science Japan Journal, 18(2), 193-216
Ghosh, P., & Mark, B. (2018). Credentialism and demand for private supplementary tutoring: A comparative study of students following two examination boards in India. International Journal of Comparative Education and Development, 20(1), 33-50
Hauser, R. M., & Sewell, W. H. (1986). Family effects in simple models of education, occupational status and earnings: Finding from the Wisconsin and Kalamazoo studies. Journal of Labor Economics, 4(3), 83-115
Jheng, Y. (2015). The influence of private tutoring on middle-class students’ use of in-class time in formal schools in Taiwan. International Journal of Educational Development, 40, 1-8
Kwok, P. (2010). Demand intensity, market parameters and policy responses towards demand and supply of private supplementary tutoring in China. Asia Pacific Education Review, 11(1), 49-58
Li, C. （2013）. The heterogeneous composition and multiple identities of China's middle class. In:M. K. Gorshkov, C. Scalon, & P. L. Li (ed). Handbook on social stratification in the BRIC countries: Change and perspective(pp.395—417). Singapore : World Scientific Publishing Company.
Liu, J. & Bray, M. (2017). Determinants of demand for private supplementary tutoring in China: Findings from a national survey. Education Economics, 25(2), 205-218
Liu, J. (2019). A structural equation modeling analysis of parental factors underlying the demand for private supplementary tutoring in China. ECNU Review of Education, 2(1), 7-24
Lucas, S. R. (2001). Effectively maintained inequality: Education transitions, track mobility, and social background effects. American Journal of Sociology, 106(6), 1642-1690
Luthans, F., & Youssef, C. M. (2004). Human, social, and now positive psychological capital management: Investing in people for competitive advantage. Organizational Dynamics, 33(2), 143-160
Luthans, F., Avev, J. B., & Norman, S. M. (2007). Positive psychological capital: Measurement and relationship with performance and satisfaction. Personnel Psychology, 60, 541-572
Raftery, A. E., & Hout, M. (1993). Maximally maintained inequality: Expansion, reform, and opportunity in Irish education. Sociology of Education, 66(1), 41-62
Smyth, E. (2009). Buying your way into college? Private tuition and the transition to higher education in Ireland. Oxford Review of Education, 35(1), 1-22
Tansel, A., & Bircan, F. (2006). Demand for education in Turkey: A Tobit analysis of private tutoring expenditures. Economics of Education Review, 25(3), 162-171
Teachman, D. J. (1987). Family background, educational resource and educational attainment. American Sociological Review, (52), 548-557
Thongphat, N. (2012). A survey of Thai student performance in mathematics and English: Evaluating the effect of supplementary tutoring. Procedia Economics and Finance, (2), 253-362
Tomura, A, Ryōichi N, & Teruya O. (2011). Modern class society: Disparity and diversity. Tokyo: University of Tokyo Press.
Walsemann, K. M., Bell, B. A., & Maitra, D. (2011). The intersection of school racial composition and student race ethnicity on adolescent depressive and somatic symptoms. Social Science & Medicine, 72(11), 1873-1883
Yung, K. W. (2019). Exploring the L2 selves of senior secondary students in English private tutoring in Hong Kong. System, 80, 120-33
Zhang, Y., & Liu, J. (2016). The effectiveness of private tutoring in China with a focus on class-size. International Journal of Educational Development, 46, 35-42
Zhang, Y. (2013). Does private tutoring improve students’ National College Entrance Exam performance?—A case study from Jinan, China. Economics of Education Review, 32(1), 1-28
Zhao, G. (2015). Can money ‘buy’ schooling achievement? Evidence from 19 Chinese cities. China Economic Review, 35, 83-104